qq_42877938的博客

本文高度参考：https://zhuanlan.zhihu.com/p/36522776（1）如果是一元标准高斯分布，对应的就是前面的表达式，它是高斯分布最简单的形式。要推导出最右边的看似复杂的表达式，其实也不难。就是不断的在z-score标准化，以及一些线性代数的计算罢了。我们还知道一元一般的高斯分布形式如下，其实可以将上面标准高斯分布对积分变量换元，换到标准高斯分布下就能得到的：（2）我们看一下ΣX表示的是随机变量的协方差矩阵，其第i行第j列的元素aij=E((xi-μi)(xj-.

MLE是不是我们已经确定分布的模型，只是不知道分布的参数。而MAP是我们假设分布的模型未知，可以从中选择一些参数，每个参数的概率不等，而参数的gai'l而这就是先验信息？

参考花书《深度学习》实现一个简易版PCA，并和sklearn比较了一下，还是有差别，还不知道为什么存在差别，有大佬知道的可以指点一下。import numpy as npfrom sklearn.decomposition import PCAimport matplotlib.pyplot as plotclass MyPCA: def __init__(self, n_components): self.l = n_components def fit